ロボット工学

ロボット工学は、ロボットの設計、構築、操作、使用に関する学際的な研究と実践です。^[1]

機械工学におけるロボット工学はロボットの物理的構造の設計と構築であり、コンピュータサイエンスにおけるロボット工学はロボット自動化アルゴリズムに重点を置いています。ロボット工学に貢献するその他の分野には、電気、制御、ソフトウェア、情報、電子、通信、コンピュータ、メカトロニクス、材料工学などがあります。

ロボット工学の目標は、人間を助け、支援できる機械を設計することです。多くのロボットは、不安定な廃墟で生存者を見つけたり、宇宙、鉱山、難破船を探索したりするなど、人間にとって危険な仕事をするために作られています。掃除、監視、輸送、組み立てなど、退屈で反復的、または不快な仕事を人間に代わって行うロボットもあります。今日、ロボット工学は技術の進歩に伴い急速に成長している分野であり、新しいロボットの研究、設計、構築はさまざまな実用的な目的に役立ちます。

ロボット工学では通常、設計作業の 3 つの側面を組み合わせてロボットシステムを作成します。

1. 機械的構造: 特定のタスクを達成するために設計されたフレーム、フォーム、または形状。たとえば、重い土や泥の上を移動するように設計されたロボットは、キャタピラを使用する場合があります。折り紙に触発されたロボットは、極端な環境を感知して分析できます。^[2]ロボットの機械的側面は、主に、割り当てられたタスクを完了し、周囲の環境の物理的性質に対処するための作成者のソリューションです。形状は機能に従います。
2. 機械に電力を供給し、制御する電気部品。たとえば、キャタピラ付きのロボットは、キャタピラを動かすために何らかの電力を必要とします。その電力は電気の形で供給され、ワイヤを通って移動し、基本的な電気回路であるバッテリーから供給されます。主にガソリンから電力を得るガソリン駆動の機械でも、燃焼プロセスを開始するために電流が必要です。そのため、自動車などのほとんどのガソリン駆動の機械にはバッテリーが搭載されています。ロボットの電気的な側面は、移動 (モーター経由)、感知 (電気信号を使用して熱、音、位置、エネルギー状態などを測定する)、および操作 (ロボットは、基本的な操作を起動して実行するために、モーターとセンサーに一定レベルの電気エネルギーを供給する必要があります) に使用されます。
3. ソフトウェア。プログラムとは、ロボットがいつ、どのように何かを行うかを決定する方法です。キャタピラ トラックの例では、ぬかるんだ道路を移動する必要があるロボットは、正しい機械的構造を持ち、バッテリーから適切な量の電力を受け取っているかもしれませんが、プログラムが移動を指示しなければどこにも移動できません。プログラムはロボットの核心であり、優れた機械的および電気的構造を持つことができますが、プログラムが適切に構成されていない場合、パフォーマンスは非常に低くなります (またはまったく機能しない可能性があります)。ロボット プログラムには、リモート コントロール、人工知能、ハイブリッドの 3 種類があります。リモート コントロールプログラミングを備えたロボットには、制御ソース (通常はリモート コントロールを持つ人間) から信号を受信した場合にのみ実行する、既存のコマンド セットがあります。主に人間のコマンドによって制御されるデバイスは、ロボット工学ではなく自動化の分野に属すると見なす方が適切かもしれません。人工知能を使用するロボットは、制御ソースなしで環境と独自に対話し、既存のプログラミングを使用して、遭遇するオブジェクトや問題に対する反応を決定できます。ハイブリッドとは、AIとRCの両方の機能を組み込んだプログラミング形式です。^[3]

特定のタスク向けに設計されるロボットが増えるにつれて、この分類方法の妥当性は増しています。たとえば、多くのロボットは組み立て作業用に設計されていますが、他の用途には簡単には適応できない場合があります。これらは「組み立てロボット」と呼ばれます。シーム溶接の場合、一部のサプライヤーはロボット、つまり溶接装置とターンテーブルなどのその他の材料処理設備を統合ユニットとして提供する完全な溶接システムを提供しています。このような統合ロボットシステムは、個別のマニピュレーターユニットがさまざまなタスクに適応できる場合でも、「溶接ロボット」と呼ばれます。一部のロボットは特に重い荷物の操作用に設計されており、「大型ロボット」と呼ばれています。^[4]

現在のアプリケーションと潜在的なアプリケーションには次のものがあります:

• 製造業。ロボットは1960年代から製造業でますます使用されるようになりました。米国ロボット産業協会のデータによると、2016年には自動車産業が産業用ロボットの主な顧客であり、総売上高の52％を占めました。 ^[5]自動車産業では、ロボットは「労働」の半分以上を占めることがあります。テキサス州のIBMキーボード製造工場のように、2003年には完全に自動化された「無人」工場さえあります。 ^[6]
• 飛行機の自動操縦や自動運転車などの自律輸送
• 家庭用ロボットには、ロボット掃除機、ロボット芝刈り機、食器洗い機への食器の積み込み^[7]、フラットブレッドの焼き上げ^[8]などがある。
• 建設ロボット。建設ロボットは、従来のロボット、ロボットアーム、ロボット外骨格の3つのタイプに分けられます。^[9]
• 自動採掘。
• 火星探査車を含む宇宙探査。
• エネルギー用途には、放射能汚染地域の浄化^[a]や太陽光パネルアレイの洗浄などが含まれます。
• 医療用ロボットとロボット支援手術が設計され、診療所で使用されている。^[11]
• 農業用ロボット。^{[12]農業におけるロボットの使用は、} AI支援精密農業やドローンの使用という概念と密接に関連している。^[13]
• 食品加工。キッチンオートメーションの商業的な例としては、Flippy（ハンバーガー）、Zume Pizza（ピザ）、Cafe X（コーヒー）、Makr Shakr（カクテル）、Frobot（フローズンヨーグルト）、Sally（サラダ）、^{[14] Dexai（軍事基地で稼働している}Draper Laboratoryのスピンオフ企業）が製造するサラダまたはフードボウルロボット、 Spyce Kitchen（Sweetgreenが買収）とシリコンバレーのスタートアップHyphenが製造する統合フードボウル組み立てシステムなどがあります。 ^{[15]その他の例としては、} 3Dフードプリンティングに基づく製造技術が挙げられます。
• 軍用ロボット。
• ロボット戦闘、自律レース、ドローンレース、FIRST Roboticsなど、娯楽と教育のためのロボットスポーツ。

現在、電源として主に使用されているのは鉛蓄電池です。ロボットの電源として使用できる電池にはさまざまな種類があります。鉛蓄電池は安全で比較的長い保存期間がありますが、銀カドミウム電池に比べるとかなり重いです。銀カドミウム電池は体積がはるかに小さく、現在ははるかに高価です。電池駆動のロボットを設計するには、安全性、サイクル寿命、重量などの要素を考慮する必要があります。発電機（多くの場合、何らかの内燃機関）も使用できます。ただし、このような設計は機械的に複雑で、燃料が必要で、放熱が必要で、比較的重いです。ロボットを電源に接続するテザーを使用すると、ロボットから電源が完全になくなります。これには、すべての発電および貯蔵コンポーネントを別の場所に移動することで、重量とスペースを節約できるという利点があります。ただし、この設計には、ケーブルが常にロボットに接続されているという欠点があり、管理が難しい場合があります。^[16] 潜在的な電源には次のものがあります。

• 空気圧（圧縮ガス）
• 太陽光発電（太陽のエネルギーを利用して電力に変換する）
• 油圧（液体）
• フライホイールエネルギー貯蔵
• 有機ゴミ（嫌気性消化による）
• 核

アクチュエータはロボットの「筋肉」であり、蓄えられたエネルギーを運動に変換する部品です。 ^[17]これまでのところ、最も人気のあるアクチュエータは、車輪やギアを回転させる電気モーターと、工場の産業用ロボットを制御するリニアアクチュエータです。最近では、電気、化学物質、または圧縮空気で駆動する代替タイプのアクチュエータが進歩しています。

ロボットの大半は電気モーターを使用しており、ポータブル ロボットではブラシ付きまたはブラシレス DC モーター、産業用ロボットやCNCマシンでは AC モーターが使用されることが多いです。これらのモーターは、負荷が軽く、回転が主な動作形態であるシステムで好まれることが多いです。

さまざまなタイプのリニア アクチュエータは、回転ではなく、前後に移動し、特に産業用ロボットなど、非常に大きな力が必要な場合に、方向転換が速いことがよくあります。リニア アクチュエータは通常、圧縮された酸化空気 (空気圧アクチュエータ) またはオイル (油圧アクチュエータ) によって駆動されます。リニア アクチュエータは、通常、モーターとリードスクリューで構成される電気によって駆動されることもあります。もう 1 つの一般的なタイプは、自動車のラック アンド ピニオンなどの機械式リニア アクチュエータです。

直列弾性アクチュエーション（SEA）は、モーターアクチュエーターと負荷の間に意図的な弾性を導入して、堅牢な力制御を実現するというアイデアに基づいています。結果として反射慣性が低くなるため、直列弾性アクチュエーションでは、ロボットが環境（人間やワークピースなど）と相互作用するときや衝突するときの安全性が向上します。^[18]さらに、エネルギー効率と衝撃吸収（機械的フィルタリング）も提供し、トランスミッションやその他の機械部品の過度の摩耗を軽減します。このアプローチは、さまざまなロボット、特に高度な製造ロボット^[19]や歩行ヒューマノイドロボットで効果的に採用されています。^{[20] [21]}

直列弾性アクチュエータのコントローラ設計は、非構造化環境との相互作用の安全性を確保するため、ほとんどの場合、受動性フレームワーク内で実行されます。 ^[22]このフレームワークは、優れた安定性と堅牢性を備えていますが、コントローラに課せられる厳しい制限により、パフォーマンスがトレードオフされる可能性があります。読者は、SEA の一般的なコントローラ アーキテクチャと、それに対応する十分な受動性条件をまとめた次の調査を参照してください。 [ ^23]最近の 1 つの研究では、最も一般的なインピーダンス制御アーキテクチャの 1 つである速度ソース SEA に必要な十分な受動性条件が導出されています。^[24]この研究は、SEA スキームで初めて非保守的な受動性境界を導き、制御ゲインのより幅広い選択を可能にするため、特に重要です。

空気圧人工筋肉はエアマッスルとも呼ばれ、空気が内部に送り込まれると膨張する（通常最大42％）特殊なチューブです。一部のロボットアプリケーションで使用されています。^{[25] [26] [27]}

マッスルワイヤーは、形状記憶合金、ニチノール®、フレキシノール®ワイヤーとも呼ばれ、電気を加えると収縮する（5%未満）素材です。小型ロボットの用途に使用されています。^{[28] [29]}

EAPまたはEPAMは、電気によって大幅に収縮する（最大380％の活性化ひずみ）プラスチック材料であり、ヒューマノイドロボットの顔の筋肉や腕に使用されており、^{[30]新しいロボットが浮いたり、 [31]}飛んだり、泳いだり、歩いたりできるようにするために使用されています。^[32]

最近のDCモーターの代替品は、ピエゾモーターまたは超音波モーターです。これらは根本的に異なる原理で動作し、1秒間に何千回も振動する小さな圧電セラミック素子が直線運動または回転運動を引き起こします。動作メカニズムはさまざまです。1つのタイプは、ピエゾ素子の振動を利用してモーターを円または直線で動かします。^[33]別のタイプは、ピエゾ素子を使用してナットを振動させたり、ネジを駆動したりします。これらのモーターの利点は、ナノメートルの解像度、速度、およびサイズに対して利用可能な力です。^[34]これらのモーターはすでに市販されており、一部のロボットで使用されています。^{[35] [36]}

弾性ナノチューブは、実験開発の初期段階にある有望な人工筋肉技術です。カーボンナノチューブには欠陥がないため、これらのフィラメントは数パーセント弾性変形することができ、金属ナノチューブのエネルギー貯蔵レベルはおそらく 10  J /cm ³です。人間の上腕二頭筋は、この材料の直径 8 mm のワイヤーで置き換えることができます。このようなコンパクトな「筋肉」により、将来のロボットは人間を追い越し、人間より速くジャンプできるようになります。^[37]

センサーにより、ロボットは環境や内部コンポーネントの特定の測定値に関する情報を受け取ることができます。これは、ロボットがタスクを実行し、環境の変化に応じて適切な応答を計算するために不可欠です。センサーは、さまざまな形式の測定、安全性や故障に関する警告の送信、実行中のタスクに関するリアルタイム情報の提供に使用されます。

現在のロボットハンドや義手は、人間の手に比べて触覚情報を受け取る量がはるかに少ない。最近の研究では、人間の指先の機械的特性と触覚受容器を模倣した触覚センサーアレイが開発された。 ^{[38] [39]}センサーアレイは、エラストマー皮膚に含まれる導電性流体に囲まれた剛性コアとして構築されている。電極は剛性コアの表面に取り付けられ、コア内のインピーダンス測定装置に接続されている。人工皮膚が物体に触れると、電極の周りの流体経路が変形し、物体から受け取った力をマッピングするインピーダンスの変化が生じる。研究者は、このような人工指先の重要な機能は、保持された物体に対するロボットのグリップを調整することになると予想している。

2009年にヨーロッパ諸国とイスラエルの科学者らが、本物の義手のように機能するスマートハンドと呼ばれる義手を開発しました。患者は義手で文字を書いたり、キーボードを打ったり、ピアノを弾いたり、その他の細かい動作を行うことができます。義手にはセンサーが付いており、患者は指先で実際の感覚を感じることができます。^[40]

ロボット工学における他の一般的なセンシング形式には、ライダー、レーダー、ソナーがあります。^[41] ライダーは、ターゲットをレーザー光で照らし、反射光をセンサーで測定することで、ターゲットまでの距離を測定します。レーダーは電波を使用して、物体の距離、角度、または速度を決定します。ソナーは音の伝播を使用して、水面上または水面下の物体をナビゲート、通信、または検出します。

最も一般的なエンドエフェクタの 1 つは「グリッパ」です。最も単純な形態では、2 本の指だけで構成され、指を開いたり閉じたりして、さまざまな小さな物体を拾ったり放したりすることができます。たとえば、指は、金属線が通っているチェーンで作ることができます。^[42]人間の手に似ていて、人間の手のように機能する手には、シャドウ ハンドやロボノートハンドがあります。^[43]中程度の複雑さの手には、デルフトハンドがあります。^{[44] [45]}機械式グリッパには、摩擦式や包み込むジョーなど、さまざまなタイプがあります。摩擦式ジョーは、摩擦を使用してグリッパの力をすべて使用して物体を所定の位置に保持します。包み込むジョーは、摩擦を少なくして物体を所定の位置に保持します。

真空発生器で駆動する吸引エンドエフェクタは、非常にシンプルな吸引装置^{[46]であり、}把持面が十分に滑らかで吸引力が確保されていれば、非常に大きな荷重を保持することができます。

電子部品や自動車のフロントガラスなどの大型物体をピックアンドプレースするロボットでは、非常にシンプルな真空エンドエフェクタが使用されることが多いです。

吸引は、業界で広く使用されているエンドエフェクタのタイプです。その理由の 1 つは、ソフト吸引エンドエフェクタの自然な順応性により、ロボットの認識が不完全な場合でもロボットをより堅牢にすることができるためです。例として、水のボトルの位置を推定するが 1 センチメートルの誤差があるロボット ビジョン システムのケースを考えてみましょう。このケースでは、剛性のある機械グリッパーが水のボトルに穴を開ける可能性がありますが、ソフト吸引エンドエフェクタはわずかに曲がって水のボト​​ルの表面の形状に適合する可能性があります。

高度なロボットの中には、シャドウハンド、MANUS ^[47]、シュンクハンド^{[48]のように、完全にヒューマノイドの手を使い始めているものもあります。これらのロボットは、20もの}自由度と数百の触覚センサーを備えた強力なロボット器用さ知能（RDI）を備えています。 ^[49]

ロボットの機械構造は、タスクを実行するために制御されなければならない。^[50]ロボットの制御には、知覚、処理、動作（ロボットパラダイム）という3つの異なる段階がある。^[51] センサーは、環境またはロボット自体に関する情報（関節の位置やエンドエフェクタの位置など）を提供する。この情報は処理されて保存または送信され、アクチュエータ（モーター）への適切な信号が計算され、アクチュエータは機械構造を動かして必要な協調動作や力の作用を実現する。

処理段階の複雑さはさまざまです。反応レベルでは、生のセンサー情報を直接アクチュエーターコマンドに変換します (たとえば、エンコーダーフィードバック信号に基づいてモーターパワーエレクトロニクスゲートを作動させ、シャフトの必要なトルク/速度を実現します)。センサーフュージョンと内部モデルは、ノイズの多いセンサーデータから関心のあるパラメーター (ロボットのグリッパーの位置など) を推定するために最初に使用されます。これらの推定値から、即時のタスク (近接センサーでオブジェクトが検出されるまでグリッパーを特定の方向に動かすなど) が推測されることがあります。制御理論の手法は、通常、高レベルのタスクをアクチュエーターを駆動する個別のコマンドに変換するために使用されます。最もよく使用されるのは、機械構造の運動学モデルと動的モデルです。^{[50] [51] [52]}

より長い時間スケールやより複雑なタスクでは、ロボットは「認知」モデルを構築し、推論する必要があるかもしれません。認知モデルは、ロボット、世界、そしてその2つがどのように相互作用するかを表現しようとします。パターン認識とコンピュータービジョンは、オブジェクトを追跡するために使用できます。^[50] マッピング技術は、世界の地図を作成するために使用できます。最後に、動作計画やその他の人工知能技術を使用して、どのように行動するかを判断することができます。たとえば、プランナーは、障害物にぶつかったり、転倒したりすることなくタスクを達成する方法を考え出すことができます。

現代の商用ロボット制御システムは非常に複雑で、複数のセンサーとエフェクターを統合し、相互作用する自由度（DOF）が多く、オペレーターインターフェース、プログラミングツール、リアルタイム機能が必要です。^[51]これらは、より広範な通信ネットワークに相互接続されることが多く、多くの場合、現在ではIoT対応でモバイルになっています。^[53]オープンアーキテクチャ、階層化、ユーザーフレンドリーで「インテリジェント」なセンサーベースの相互接続ロボットへの進歩は、フレキシブル製造システム（FMS）に関連する以前の概念から生まれており、ロボット制御ソフトウェアとハ​​ードウェアの開発者が従来の「クローズド」ロボット制御システムの概念を超えるのに役立ついくつかの「オープン」または「ハイブリッド」リファレンスアーキテクチャが存在しています。 ^{[52]オープンアーキテクチャコントローラーは、システム開発者、エンドユーザー、研究者など、幅広いロボットユーザーの高まる要件をよりよく満たすことができ、}インダストリー4.0に関連する高度なロボットコンセプトを実現するのにより適していると言われています。^[52]エンドエフェクタの位置、速度、力の制御など、ロボットコントローラの確立された多くの機能を活用することに加えて、IoTの相互接続と、適応制御、ファジー制御、人工ニューラルネットワーク（ANN）ベースの制御を含むより高度なセンサーフュージョンおよび制御技術の実装も可能にします。^[52]このような技術をリアルタイムで実装すると、制御システムが環境の変化を学習して適応できるようにすることで、未知または不確実な環境で動作するロボットの安定性とパフォーマンスが向上する可能性があります。^[54]ロボットコントローラのリファレンスアーキテクチャの例がいくつかあり、それらから開発された実際のロボットコントローラの実装が成功した例もあります。汎用リファレンスアーキテクチャと関連する相互接続されたオープンアーキテクチャのロボットとコントローラの実装の1つの例は、リアルタイムでの新しい高度でインテリジェントな制御と環境マッピング方法のプロトタイプ実装を含む、多くの研究開発研究で使用されました。^{[54] [55]}

ロボット操作の定義はマット・メイソンによって次のように述べられている。「操作とは、エージェントが選択的な接触を通じて環境を制御することを指す」^[56]

ロボットは物体を操作し、拾い上げ、修正し、破壊し、移動させ、あるいは何らかの効果を及ぼす必要がある。したがって、効果を及ぼすことを意図したロボットアームの機能的末端（手または道具）はしばしばエンドエフェクタ^[​​57]と呼ばれ、 「アーム」はマニピュレータ^[58]と呼ばれる。ほとんどのロボットアームは交換可能なエンドエフェクタを備えており、それぞれがいくつかの狭い範囲のタスクを実行できる。交換不可能な固定マニピュレータを備えているものもあれば、ヒューマノイドハンドなどの非常に汎用的なマニピュレータを1つ備えているものもある。^[59]

単純化のため、ほとんどの移動ロボットには 4 つの車輪または連続した複数のトラックがあります。研究者の中には、1 つまたは 2 つの車輪のみを備えた、より複雑な車輪付きロボットの作成を試みた人もいます。これらのロボットには、効率性の向上や部品の削減などの利点があるほか、4 輪ロボットでは移動できない狭い場所でも移動できるという利点もあります。

バランスロボットは、一般的にジャイロスコープを使用してロボットの落下量を検出し、それに比例して車輪を同じ方向に駆動して、倒立振り子の力学に基づいて1秒間に数百回落下を相殺します。^[60]さまざまなバランスロボットが設計されています。^[61]セグウェイは一般的にロボットとは考えられていませんが、ロボットのコンポーネントと考えることができます。そのように使用される場合、セグウェイはそれらをRMP（ロボットモビリティプラットフォーム）と呼んでいます。この使用例としては、NASAのロボノートがセグウェイに搭載されています。^[62]

一輪バランスロボットは、二輪バランスロボットを拡張したもので、丸いボールを唯一の車輪として使用して、2次元の任意の方向に移動できます。最近、カーネギーメロン大学の「ボールボット」（人間の身長と幅とほぼ同じ）や東北学院大学の「ボールIP」など、いくつかの一輪バランスロボットが設計されています。^[63]細長い形状と狭いスペースでの操作能力により、人がいる環境では他のロボットよりも優れた機能を発揮する可能性があります。^[64]

球状のボールの中に完全に収まるロボットの試みはいくつかなされてきたが、ボール内部の重りを回転させる方法や^{[65] [66]}球体の外殻を回転させる方法などがある。^{[67] [68]これらは}オーブボット^[69]やボールボットとも呼ばれる。 ^{[70] [71]}

4 つの車輪の代わりに 6 つの車輪を使用すると、岩の多い土の上や芝生の上などの屋外の地形でより優れた牽引力やグリップが得られます。

履帯は6輪ロボットよりもさらに大きな牽引力を発揮する。履帯付き車輪は数百の車輪でできているかのように動作するため、非常に荒れた地形を走行しなければならない屋外のオフロードロボットでは非常に一般的である。しかし、カーペットや滑らかな床などの屋内での使用は難しい。例としては、NASAの都市型ロボット「Urbie」が挙げられる。^[72]

歩行は解決が難しく動的な問題です。2本足で確実に歩行できるロボットはいくつか作られていますが、人間と同じくらい頑丈なものはまだ作られていません。テキサスA&M大学の機械工学部が2008年に設立したAMBERラボなど、人間にヒントを得た歩行については多くの研究が行われてきました。^[73] 2本足以上で歩くロボットは製作がはるかに簡単なため、他にも多くのロボットが作られています。^{[74] [75]}歩行ロボットは不均一な地形でも使用でき、他の移動方法よりも優れた機動性とエネルギー効率を提供します。通常、2本足のロボットは平らな床の上をうまく歩くことができ、階段を上ることもできます。岩だらけの不均一な地形を歩くことはできません。試された方法のいくつかは次のとおりです。

ゼロモーメントポイント（ZMP）は、ホンダのASIMOなどのロボットが使用するアルゴリズムです。ロボットのオンボードコンピューターは、総慣性力（地球の重力と歩行の加速と減速の組み合わせ）と床反力（ロボットの足を押す床の力）が正確に反対になるようにします。このようにして、2つの力が打ち消され、モーメント（ロボットを回転させて転倒させる力）が残りません。 [ ^{76]しかし、これは人間の歩き方とまったく同じではなく、その違いは人間の観察者には明らかであり、ASIMOは}まるでトイレが必要なかのように歩くと指摘する人もいます。^{[77] [78] [79]} ASIMOの歩行アルゴリズムは静的ではなく、動的バランスが使用されています（以下を参照）。ただし、歩くには滑らかな表面が必要です。

1980年代にMIT Leg LaboratoryのMarc Raibertが製作したロボット数台は、非常にダイナミックな歩行を成功させた。当初は、1本足の非常に小さな足を持つロボットが、単に跳ねるだけで直立することができた。この動きは、ホッピングをする人の動きと同じである。ロボットが片側に倒れると、その方向にわずかにジャンプして、転倒を防ぐ。 [ ^80]すぐに、このアルゴリズムは2本足と4本足に一般化された。2足ロボットが走行し、宙返りまでする様子が示された。^[81] 4足歩行ロボットも、速歩、走行、歩き、跳躍する様子が示された。 ^[82]これらのロボットの完全なリストについては、MIT Leg Lab Robotsのページを参照のこと。^[83]

ロボットが歩くためのより高度な方法は、動的バランスアルゴリズムを使用することです。これは、ロボットの動きを常に監視し、安定性を維持するために足を配置するため、ゼロモーメントポイント技術よりも潜在的に堅牢です。^{[84]この技術は最近、} AnybotsのDexter Robotによって実証されました。 ^[85]このロボットは非常に安定しており、ジャンプすることもできます。^[86]別の例として、TU Delft Flameがあります。

おそらく最も有望なアプローチは、手足の運動量を利用して効率を高める受動ダイナミクスを使用する方法です。完全に動力のないヒューマノイド機構は、重力のみを利用して緩やかな坂を歩くことができることが実証されています。この技術を使用すると、ロボットは平らな面を歩くために少量のモーターパワーを供給するだけで済み、丘を歩くにはもう少し多くのパワーを供給するだけで済みます。この技術により、歩行ロボットはASIMOなどのZMP歩行ロボットよりも少なくとも10倍効率的になると期待されています。^{[87] [88]}

現代の旅客機は本質的には空飛ぶロボットであり、それを操縦するのは2人の人間である。オートパイロットは、離陸、通常飛行、さらには着陸を含む旅の各段階で飛行機を制御することができる。^{[89]その他の空飛ぶロボットは無人で、}無人航空機（UAV）として知られている。人間のパイロットが搭乗していないため、より小型で軽量であり、軍事偵察任務のために危険な地域に飛行することができる。中には、命令を受けて標的に発砲できるものもある。人間の命令を必要とせずに自動的に標的に発砲できるUAVも開発されている。その他の空飛ぶロボットには、巡航ミサイル、エントモプター、エプソンの超小型ヘリコプターロボットなどがある。エアペンギン、エアレイ、エアジェリーなどのロボットは、空気より軽いボディを持ち、パドルで推進され、ソナーで誘導される。

BFRは、飛翔する哺乳類、鳥類、昆虫からヒントを得ています。BFRは、揚力と推力を生み出す羽ばたき翼を持つことも、プロペラで作動させることもできます。羽ばたき翼を持つBFRは、プロペラ作動のBFRと比較して、ストローク効率が高く、操縦性が高く、エネルギー消費が少ないという特徴があります。^[90]哺乳類と鳥類にヒントを得たBFRは、飛行特性と設計上の考慮事項が似ています。たとえば、哺乳類と鳥類の両方のBFRは、翼端と翼端の剛性を高めることで、翼端のばたつきと圧力による翼端カールを最小限に抑えます。哺乳類と昆虫にヒントを得たBFRは耐衝撃性があるため、雑然とした環境で役立ちます。

哺乳類に着想を得たBFRは、コウモリからヒントを得るのが一般的ですが、ムササビもプロトタイプのインスピレーションとなっています。^[91]コウモリに着想を得たBFRの例としては、Bat Bot ^[92]やDALERなどがあります。^[93]哺乳類に着想を得たBFRはマルチモーダルに設計できるため、飛行と地上移動の両方が可能です。着陸時の衝撃を軽減するために、翼に沿ってショックアブソーバーを実装することができます。^[93]また、BFRはピッチアップして、受ける抗力の量を増やすこともできます。^[91]抗力を増やすことで、BFRは減速し、着地時の衝撃を最小限に抑えます。さまざまな陸上歩行パターンを実装することもできます。^[91]

鳥にヒントを得たBFRは、猛禽類、カモメ、その他あらゆる動物からヒントを得ることができます。鳥にヒントを得たBFRは、失速する前にプロトタイプが動作できる迎え角範囲を広げるためにフェザーリングを施すことができます。^[94]鳥にヒントを得たBFRの翼は面内変形が可能で、飛行姿勢に応じて面内翼変形を調整して飛行効率を最大化することができます。^[94]猛禽類にヒントを得たBFRの一例として、Savastanoらによるプロトタイプがあります。^[95]このプロトタイプは完全に変形可能な羽ばたき翼を備えており、放物線状の上昇、急降下、急回復を実行しながら最大0.8kgのペイロードを運ぶことができます。Grantらによるカモメにヒントを得たプロトタイプは、カモメの肘と手首の回転を正確に模倣しており、肘と手首の変形が反対でありながら等しい場合に揚力生成が最大になることを発見しました。^[96]

昆虫に着想を得たBFRは、通常、甲虫やトンボからヒントを得ています。甲虫に着想を得たBFRの例としては、PhanとParkによるプロトタイプがあります。 ^[97]トンボに着想を得たBFRの例としては、Huらによるプロトタイプがあります。^[98]昆虫に着想を得たBFRの羽ばたき周波数は、他のBFRよりもはるかに高くなっています。これは、昆虫の飛行の空気力学によるものです。[ ^99]昆虫に着想を得たBFRは、哺乳類や鳥類に着想を得たものよりもはるかに小さいため、密集した環境に適しています。

生物学にヒントを得ながらも生物学を模倣しようとはしないロボットの一種に、エントモプターがある。国防高等研究計画局（DARPA）、NASA、米国空軍、ジョージア工科大学研究所の資金提供を受け、ロバート・C・マイケルソン教授が秘密の地上任務や火星下層大気の飛行用に特許を取得したエントモプター飛行推進システムは、スズメガ（Manduca sexta）の翼に似た低レイノルズ数の翼を使用するが、非伝統的な「対向X翼方式」で翼をはばたかせながら表面を「吹き飛ばす」ことで、コアンダ効果に基づいて揚力を高め、機体の姿勢と方向を制御する。推進システムから排出されるガスは、吹き飛ばされた翼の空気力学を促進するだけでなく、コウモリのような超音波を発して障害物を回避するのにも役立つ。 Entomopter やその他の生物学にヒントを得たロボットは、生物システムの機能を活用していますが、機械的な類似物を作成しようとはしていません。

いくつかのヘビ型ロボットの開発に成功しています。本物のヘビの動きを模倣したこれらのロボットは、非常に狭い空間でも移動できるため、将来的には倒壊した建物に閉じ込められた人々の捜索に使用される可能性があります。^[100]日本のACM-R5ヘビ型ロボット^[101]は、陸上でも水中でも移動できます。^[102]

スケートロボットは少数開発されており、そのうちの1つはマルチモードの歩行・スケート装置である。このロボットは4本の脚と無動力の車輪を持ち、歩くことも転がることもできる。^[103]もう1つのロボット、Plenはミニチュアスケートボードやローラースケートを使い、机の上を滑ることができる。^[104]

垂直面を登る能力を持つロボットの開発には、いくつかの異なるアプローチが用いられてきた。1つのアプローチは、突起のある壁を登る人間の動きを模倣するものであり、重心を調整し、各手足を順番に動かしててこ比を得る。その一例が、カリフォルニア州スタンフォード大学のRuixiang Zhangが開発したCapuchin ^{[105]である。別のアプローチは、壁登り}ヤモリの特殊なつま先パッド方式を使用し、垂直のガラスなどの滑らかな表面でも走行できる。このアプローチの例には、Wallbot ^[106]やStickybot ^[107]がある。

中国のテクノロジーデイリーは2008年11月15日、新概念航空機（珠海）有限公司の李秀楊氏と彼の研究グループが「スピーディーフリーランダー」というバイオニックヤモリロボットの開発に成功したと報じた。楊氏によると、ヤモリロボットはさまざまな建物の壁を素早く上り下りし、地面や壁の割れ目を通り抜け、天井を逆さまに歩くことができる。また、滑らかなガラス、ざらざらした、べたべたした、またはほこりっぽい壁、さまざまな種類の金属材料の表面に適応することができた。また、障害物を自動的に識別して回避することもできた。その柔軟性とスピードは、自然のヤモリに匹敵する。3番目のアプローチは、ポールを登るヘビの動きを模倣することである。^[41]

計算によると、一部の魚は泳ぐときに90％を超える推進効率を達成できます。 ^[108]さらに、それらはどんな人工のボートや潜水艦よりもはるかに優れた加速と操縦性を持ち、騒音と水の乱れも少なくなります。そのため、水中ロボットを研究している多くの研究者は、このタイプの移動を模倣したいと考えています。^[109]注目すべき例としては、Robotic Fish G9、^[110]とRobot Tunaがあり、これらはツノガエルのような動きを分析し、数学的にモデル化するために構築されました。^[111] Aqua Penguin、^[112]は、ペンギンの流線型の形状と前部の「ひれ」による推進力を模倣しています。Aqua RayとAqua Jellyは、それぞれマンタとクラゲの移動を模倣しています。

2014年、iSplash -IIは、平均最大速度（体長/秒で測定）と持久力（最高速度を維持できる時間）の点で実際のカランギフォーム魚類を上回る能力を持つ最初のロボット魚として開発されました。 ^[113]このビルドは、11.6BL/s（つまり3.7m/s）の遊泳速度を達成しました。^[114]最初のビルドであるiSplash -I（2014年）は、全身の長さのカランギフォーム遊泳運動を適用した最初のロボットプラットフォームであり、後方制限波形の従来のアプローチよりも遊泳速度が27％向上することがわかりました。^[115]

海面の計測を目的とした帆船ロボットも開発されている。代表的な帆船ロボットはVaimosである。^[116]帆船ロボットの推進力は風を利用するため、バッテリーのエネルギーはコンピューター、通信、アクチュエーター（舵と帆の調整用）にのみ使用される。ロボットにソーラーパネルが装備されていれば、理論上は永久に航行できる。帆船ロボットの2つの主要な競技会は、毎年ヨーロッパで開催されるWRSCとSailbotである。

制御システムにはさまざまなレベルの自律性がある場合もあります。

1. 直接的なインタラクションは触覚デバイスや遠隔操作デバイスに使用され、人間はロボットの動きをほぼ完全に制御できます。
2. オペレータアシストモードでは、オペレータが中〜高レベルのタスクを指示し、ロボットが自動的にそのタスクを達成する方法を判断します。^[118]
3. 自律型ロボットは、長期間にわたって人間とのやり取りなしでも動作します。自律性のレベルが上がると、必ずしもより複雑な認知能力が必要になるわけではありません。たとえば、組立工場のロボットは完全に自律的ですが、固定パターンで動作します。

別の分類では、人間の制御と機械の動作の相互作用を考慮に入れます。

1. 遠隔操作。各動作は人間が制御し、各機械アクチュエータの変更はオペレーターによって指定されます。
2. 監督。人間が一般的な動きや位置の変更を指定し、機械がアクチュエータの特定の動きを決定します。
3. タスクレベルの自律性。オペレーターはタスクのみを指定し、ロボットはそれを完了するように自ら管理します。
4. 完全な自律性。機械は人間の介入なしにすべてのタスクを作成し、完了します。

コンピュータ ビジョンは、見る機械に関する科学技術です。科学分野としてのコンピュータ ビジョンは、画像から情報を抽出する人工システムの背後にある理論に関係しています。画像データは、ビデオ シーケンスやカメラからの映像など、さまざまな形式を取ることができます。

ほとんどの実用的なコンピューター ビジョン アプリケーションでは、コンピューターは特定のタスクを解決するように事前にプログラムされていますが、学習に基づく方法が現在ではますます一般的になりつつあります。

コンピュータ ビジョン システムは、通常可視光線または赤外線の形態をとる電磁放射を検出する画像センサーに依存しています。センサーは固体物理学を使用して設計されています。光が伝播して表面で反射するプロセスは、光学を使用して説明されます。高度な画像センサーでは、画像形成プロセスを完全に理解するために量子力学さえ必要です。ロボットには、環境の奥行き感覚をより正確に計算できるように、複数の視覚センサーを装備することもできます。人間の目と同様に、ロボットの「目」も特定の関心領域に焦点を合わせることができ、光の強度の変化にも適応できる必要があります。

コンピューター ビジョンには、さまざまなレベルの複雑さで生物システムの処理と動作を模倣するように人工システムを設計するサブフィールドがあります。また、コンピューター ビジョン内で開発された学習ベースの方法の一部は、生物学を背景としています。

現在稼働しているロボットのかなりの割合は人間が操作するか、静的な環境で動作するが、動的な環境で自律的に動作できるロボットへの関心が高まっている。これらのロボットが環境を横断するには、ナビゲーション ハードウェアとソフトウェアの組み合わせが必要である。特に、予期しないイベント (例: 静止していない人やその他の障害物) は、問題や衝突を引き起こす可能性がある。ASIMO やMeinüロボットなどの高度なロボットの中には、特に優れたロボット ナビゲーション ハードウェアとソフトウェアを備えているものがある。また、自己制御車、エルンスト ディックマンの無人車、 DARPA グランド チャレンジへの参加車両は、環境をよく感知し、その後、自律型ロボットの群れによるものも含め、この情報に基づいてナビゲーションの決定を下すことができる。^{[119]これらのロボットのほとんどは、ウェイポイントを備えた}GPSナビゲーション デバイスとレーダーを採用しており、ウェイポイント間のナビゲーションを改善するために、 LIDAR、ビデオ カメラ、慣性誘導システムなどの他のセンサー データと組み合わせて使用​​されることもある。

ロボットが家庭内で働くことに床の掃除機がけ以上のことをさせたいのであれば、ロボットの感覚知能の最先端技術は数桁も進歩しなければならない。ロボットが家庭やその他の非産業環境で効果的に働くためには、ロボットに仕事を指示する方法、特に停止を指示する方法が極めて重要になる。ロボットとやりとりする人はロボット工学の訓練をほとんど受けていないか、まったく受けていない可能性があるため、インターフェースは極めて直感的である必要がある。また、SF作家は典型的には、ロボットが最終的にはコマンドラインインターフェースではなく、音声、身振り、顔の表情で人間とコミュニケーションできるようになると想定している。人間にとっては音声が最も自然なコミュニケーション方法だが、ロボットにとっては不自然である。ロボットが架空のC-3POや『スタートレック：新世代』のDataのように自然にやりとりするようになるには、おそらく長い時間がかかるだろう。現在のロボット工学はSFのロボットの基準を満たすことはできませんが、ロボットのメディアキャラクター（ウォーリー、R2-D2など）は、視聴者の共感を引き出し、将来的に実際のロボットを受け入れる意欲を高めることができます。^[120]人々が適切な条件下でソーシャルロボットに会うことができれば、ソーシャルロボットの受け入れも高まる可能性があります。研究によると、ロボットを見て、触って、またはロボットとのやり取りを想像することで、ロボットとやり取りする前に一部の人々がロボットに対して抱く否定的な感情を軽減できることがわかっています。^[121]ただし、既存の否定的な感情が特に強い場合は、ロボットとのやり取りにより、ロボットに対する否定的な感情が強まる可能性があります。^[121]

人間から発せられる連続的な音声の流れをリアルタイムで解釈することは、主に音声の多様性の多さのため、コンピュータにとって難しい作業です。^[122]同じ人が発した同じ単語でも、地域の音響、音量、前の単語、話者が風邪をひいているかどうかなどによって、違って聞こえる場合があります。話者のアクセントが異なる場合は、さらに難しくなります。^[123]それでも、1952年にデイビス、ビドルフ、バラシェクが「1人のユーザーが話した10桁の数字を100%の精度で」認識した最初の「音声入力システム」を設計して以来、この分野では大きな進歩がありました。 ^[124]現在、最高のシステムは、1分間に最大160語の連続した自然な音声を95%の精度で認識できます。^[125]人工知能の助けを借りて、今日の機械は人の声を使用して、満足や怒りなどの感情を識別できます。 ^[126]

ロボットが音声を使って人間と対話できるようにするには、他にもハードルがある。社会的な理由から、合成音声はコミュニケーション媒体としては最適ではないことが証明されており、^[127]さまざまな技術を通じてロボットの音声の感情的な要素を開発する必要がある。^{[128] [129]}二声分岐の利点は、ロボットが投影するようにプログラムされている感情を、音声媒体に事前にプログラムされている音声テープまたは音素で伝えることができることである。最も初期の例の1つは、1974年にマイケル・J・フリーマンによって開発されたリーチムという教育ロボットである。^{[130] [131]}リーチムは、デジタルメモリを、事前に録音されたコンピュータディスク上の基本的な口頭スピーチに変換することができた。^[132]ニューヨークのブロンクス区の生徒を教えるためにプログラムされた。^[132]

顔の表情は、2人の人間の間の対話の進行に関する迅速なフィードバックを提供することができ、近い将来、人間とロボットの間でも同じことができるようになるかもしれません。ロボットの顔は、ハンソン・ロボティクスによって、 Frubberと呼ばれる弾性ポリマーを使用して構築されており、ゴム製の顔のコーティングと埋め込まれたサブサーフェスモーター（サーボ）の弾性により、さまざまな表情が可能です。 ^[133]コーティングとサーボは、金属製の頭蓋骨の上に構築されています。ロボットは、顔の表情とボディランゲージから判断して、人間にどのように近づくかを知っている必要があります。人が幸せであるか、怯えているか、または狂ったように見えるかは、ロボットに期待される相互作用のタイプに影響します。同様に、Kismetや最近追加されたNexi ^[134]などのロボットは、さまざまな顔の表情を作り出すことができ、人間と有意義な社会的交流を行うことができます。^[135]

将来、ロボットシェフにペストリーの作り方を説明したり、ロボット警察官に道を尋ねたりすることが想像できる。どちらの場合も、手振りは言葉による説明を補助するだろう。最初のケースでは、ロボットは人間の手振りを認識し、おそらく確認のためにそれを繰り返すだろう。2番目のケースでは、ロボット警察官は「道を下って右に曲がってください」と手振りで示すだろう。手振りは人間とロボットのやりとりの一部を構成する可能性が高い。^[136]人間の手振りを認識するための非常に多くのシステムが開発されている。^[137]

プロキシミクスは個人的な空間の研究であり、HRI システムは人間の相互作用に関するその概念をモデル化して動作させようとする場合があります。

一連の表情や身振りで人工的な感情を生成することもできる。映画『ファイナルファンタジー 黄金の風』からわかるように、こうした人工的な感情のプログラミングは複雑で、大量の人間による観察を必要とする。映画では、このプログラミングを簡素化するために、特別なソフトウェア プログラムとともにプリセットが作成された。これにより、映画制作に必要な時間が短縮された。こうしたプリセットは、実際のロボットに転用して使用できる可能性がある。人工的な感情を持つロボットの例として、アルメニアの IT 企業 Expper Technologiesが開発した Robin the Robot がある。このロボットは AI ベースのピアツーピア インタラクションを使用している。その主なタスクは、感情的な幸福を達成すること、つまりストレスや不安を克服することである。Robin は、状況に応じて顔の表情を分析し、顔を使って感情を表現するように訓練された。このロボットは米国のクリニックで子供たちにテストされており、観察によると、Robin は子供たちと会って話をした後、子供たちの食欲と陽気さを高めた。^[138]

SFのロボットの多くは個性を持っているが、それが将来の商業用ロボットに望ましいかどうかはわからない。^[139]それでも、研究者たちは個性を持っているように見えるロボットを作ろうとしている。^{[140] [141]}つまり、ロボットは音、表情、ボディランゲージを使って、喜び、悲しみ、恐怖などの内面的な状態を伝えようとする。商業的な例の1つは、おもちゃのロボット恐竜のプレオで、いくつかの明らかな感情を表現できる。 ^[142]

ロボット工学の研究の多くは、特定の産業タスクではなく、新しいタイプのロボット、ロボットについて考えたり設計したりする代替方法、およびロボットを製造する新しい方法の調査に焦点を当てています。MIT のサイバーフローラプロジェクト などの他の調査は、ほぼ完全に学術的なものです。

ロボットの進歩のレベルを説明するために、「世代ロボット」という用語を使用することができます。この用語は、カーネギーメロン大学ロボット研究所の主任研究科学者であるハンス・モラベック教授が、ロボット技術の近い将来の進化を説明するために作ったものです。モラベック教授は1997年に、第一世代のロボットはおそらくトカゲに匹敵する知的能力を持ち、2010年までに利用可能になると予測しました。しかし、第一世代のロボットは学習できないため、モラベック教授は、第二世代のロボットは第一世代よりも改良され、2020年までに利用可能になり、その知能はおそらくマウスに匹敵するだろうと予測しています。第三世代のロボットは、サルに匹敵する知能を持つはずです。モラベック教授は、人間の知能を持つロボットである第四世代のロボットが可能になると予測していますが、2040年または2050年頃より前には実現しないと予測しています。^[143]

外部ビデオ
BB-8 スフィロおもちゃの仕組み

運動の研究は、運動学と動力学に分けられる。^[144]直接運動学または順運動学は、対応する関節値がわかっている場合のエンドエフェクタの位置、方向、速度、加速度の計算を指す。逆運動学は、経路計画で行われるように、与えられたエンドエフェクタ値に対して必要な関節値を計算する逆のケースを指す。運動学の特殊な側面には、冗長性（同じ動きを実行するさまざまな可能性）の処理、衝突回避、特異点回避などがある。運動学を使用して関連する位置、速度、加速度がすべて計算されると、動力学の分野の方法を使用して、これらの動きに対する力の影響を研究する。直接動力学は、適用される力がわかっている場合のロボットの加速度の計算を指す。直接動力学は、ロボットのコンピュータシミュレーションで使用されます。逆動力学は、規定のエンドエフェクタ加速度を作成するために必要なアクチュエータの力の計算を指す。この情報は、ロボットの制御アルゴリズムを改善するために使用できる。

上記の各分野では、研究者は新しい概念や戦略を開発し、既存の概念や戦略を改善し、これらの分野間の相互作用を改善することに努めています。そのためには、「最適な」パフォーマンスの基準と、ロボットの設計、構造、制御を最適化する方法を開発し、実装する必要があります。

オープンソース ロボット研究では、誰でも簡単に再現できるロボットの定義と設計および構築方法の標準を求めています。研究には、法的および技術的な定義、コストを削減して構築を簡素化するための代替ツールと材料の探索、および設計が連携して機能するためのインターフェイスと標準の作成が含まれます。人間のユーザビリティ研究では、視覚的、テキスト、またはビデオの説明を通じて構築を最も適切に文書化する方法も調査します。

進化型ロボットは、進化計算を使用してロボット、特にボディ形状や動作および動作コントローラの設計を支援する方法論です。自然進化と同様に、多数のロボットを何らかの方法で競争させるか、タスクを実行する能力を適応度関数を使用して測定します。最もパフォーマンスの悪いロボットは集団から削除され、勝者の行動に基づいた新しい行動を持つ新しいセットに置き換えられます。時間の経過とともに集団が改善され、最終的に満足のいくロボットが出現する場合があります。これは、研究者がロボットを直接プログラミングすることなく発生します。研究者はこの方法を使用して、より優れたロボットを作成し、^[145]進化の性質を調査します。^[146]このプロセスでは多くの世代のロボットをシミュレートする必要があることが多いため、^{[147]この手法は、}ロボットシミュレータソフトウェアパッケージを使用して完全にまたは大部分をシミュレーションで実行し、進化したアルゴリズムが十分に優れたものになったら実際のロボットでテストすることができます。^[148]現在、世界中で約1000万台の産業用ロボットが稼働しており、日本は製造業におけるロボットの活用密度が最も高い国である。^[要出典]

バイオニクスとバイオミメティクスは、動物の生理学と運動方法をロボットの設計に応用します。たとえば、BionicKangarooの設計は、カンガルーのジャンプの仕方に基づいています。

群ロボットとは、多数のロボット（主に単純な物理的ロボット）をシステムとして協調させるアプローチである。「ロボット群では、ロボットの集団行動は、ロボット間のローカルな相互作用と、ロボットと行動する環境との間のローカルな相互作用によって生じる。」* ^[119]

ロボット工学のアルゴリズムがデジタルコンピュータよりも量子コンピュータでより速く実行できるかどうかについての研究がいくつか行われています。この分野は量子ロボティクスと呼ばれています。^[149]

• ナノロボット。
• コボット（協働ロボット）^[150]
• 自律型ドローン。
• 高温るつぼによりロボットシステムによるサンプル分析の自動化が可能になる。^[151]

ロボット工学研究の主な会場は、国際会議 ICRA と IROS です。

ロボット工学エンジニアは、ロボットを設計し、保守し、新しい用途を開発し、ロボットの可能性を広げるための研究を行います。^[152]ロボットは、特に米国の一部の中学や高校で人気の教育ツールとなっており、^[153]多くの青少年サマーキャンプでも人気があり、学生の間でプログラミング、人工知能、ロボットへの関心が高まっています。

ロボット工学は、現代の多くの製造環境において不可欠な要素である。工場でのロボットの使用が増えるにつれて、ロボット工学関連の仕事の数が増え、着実に増加していることが観察されている。^[154]産業におけるロボットの採用は生産性と効率性の向上をもたらし、一般的には支援者への長期投資と見なされている。ある調査によると、米国の仕事の47％が「不特定の年数にわたって」自動化のリスクにさらされている。^[155]これらの主張は、AIではなく社会政策が失業の原因であるという理由で批判されている。^[156] 2016年のガーディアン紙の記事で、スティーブン・ホーキングは「工場の自動化によってすでに伝統的な製造業の仕事が激減しており、人工知能の台頭によってこの雇用破壊が中流階級にまで広がり、最も思いやり、創造的、または監督的な役割だけが残る可能性が高い」と述べた。^{[157]そのため、ロボット工学の台頭は、}ユニバーサル・ベーシック・インカム の議論としてよく使われる。

GlobalDataの2021年9月のレポートによると、ロボット産業の価値は2020年に450億ドルで、2030年までに年平均成長率（CAGR）29％で成長し、5,680億ドルに達し、ロボット産業および関連産業の雇用を促進すると予想されています。^[158]

EU-OSHAが作成した議論文書では、ロボットの普及が労働安全衛生（OSH）にどのような機会と課題をもたらすかが強調されている。^[159]

ロボットの幅広い利用から生じる最大の労働安全衛生上の利点は、不健康または危険な環境で働く人々の代わりになることである。宇宙、防衛、安全保障、原子力産業だけでなく、物流、保守、検査の分野でも、自律型ロボットは、汚い、退屈な、または危険な作業を行う人間の労働者の代わりとして特に有用であり、それによって労働者が危険な物質や状況にさらされるのを防ぎ、身体的、人間工学的、および心理社会的リスクを軽減する。たとえば、ロボットはすでに反復的で単調な作業、放射性物質の取り扱い、または爆発性雰囲気での作業に使用されている。将来的には、農業、建設、輸送、医療、消防、清掃サービスなど、さまざまな分野で、他の多くの反復的で危険または不快な作業がロボットによって実行されるようになるだろう。^[160]

さらに、今後しばらくの間、人間が機械よりも適している特定のスキルがあり、問題は、人間とロボットのスキルの最適な組み合わせをどのように実現するかです。ロボットの利点には、精度と反復性を備えた重労働が含まれますが、人間の利点には、創造性、意思決定、柔軟性、適応性が含まれます。この最適なスキルを組み合わせる必要性により、協働ロボットと人間が共通のワークスペースをより密接に共有するようになり、「人間とロボットの融合」の安全性を保証するための新しいアプローチと標準の開発につながりました。一部のヨーロッパ諸国は、ロボットを国家プログラムに含め、ロボットとオペレーターの安全で柔軟な協力を促進して生産性の向上を図ろうとしています。たとえば、ドイツ連邦労働安全衛生研究所 ( BAuA ) は、「人間とロボットのコラボレーション」をテーマにしたワークショップを毎年開催しています。

将来的には、ロボットと人間の協働は多様化し、ロボットの自律性が高まり、人間とロボットの協働がまったく新しい形に到達すると予想され、協働ロボットとの作業におけるリスクから従業員を保護することを目的とした現在のアプローチと技術​​基準^{[161] [162]}は見直される必要がある。

優れたユーザーエクスペリエンスは、各ユーザーグループのニーズ、経験、行動、言語、認知能力、その他の要素を予測します。そして、これらの洞察を使用して、最終的に有用で使いやすい製品またはソリューションを作成します。ロボットの場合、ユーザーエクスペリエンスは、ロボットが意図するタスクと環境を理解することから始まり、ロボットが人間の操作やロボットとのやり取りに与える可能性のある社会的影響を考慮します。^[163]

コミュニケーションとは、触覚、聴覚、嗅覚、視覚を通じて知覚される要素である信号を介した情報の伝達であると定義しています。^[164]著者は、信号は送信者と受信者を結び付け、信号自体、信号が指すもの、および解釈者の3つの部分で構成されていると述べています。体の姿勢やジェスチャー、顔の表情、手や頭の動きはすべて、非言語的行動とコミュニケーションの一部です。人間とロボットの相互作用に関しては、ロボットも例外ではありません。したがって、人間は言語的および非言語的行動を使用して、定義的な特性を伝えます。同様に、ソーシャルロボットは、人間のような行動を実行するためにこの調整が必要です。

ロボット工学は、主に機械工学とコンピュータサイエンスを組み合わせた学際的な分野ですが、電子工学やその他の科目も取り入れています。ロボット工学の分野でキャリアを築く一般的な方法は、これらの確立された科目の 1 つで学士号を取得し、続いてロボット工学の大学院 (修士号) を取得することです。大学院の学位は通常、関連するすべての分野の学生が参加し、各分野の関連する学部レベルの科目に精通し、その後、それらを基にした純粋なロボット工学のトピックの専門的な研究が行われます。学際的な科目であるロボット工学の大学院プログラムは、学生が一緒に作業して学び、自分の専門分野の学位で得た知識とスキルを共有することに特に依存している傾向があります。

ロボット工学業界のキャリアも同じパターンをたどり、ほとんどのロボット工学者は、これらの専門分野の専門家からなる学際的なチームの一員として働き、その後、共同作業を可能にするロボット工学の大学院学位を取得します。労働者は通常、「ロボット工学者」ではなく、ロボット工学に従事する専門分野のメンバーであると自認し続けます。この構造は、一部のエンジニアリング専門職の性質によって強化されており、これらの専門職では、公認エンジニアの資格はロボット工学全体ではなく、専門分野のメンバーに与えられます。

ロボットが人間の肉体労働や知的労働に取って代わるようになるにつれ、ロボット工学関連のキャリアは 21 世紀に成長すると広く予測されています。ロボット工学によって職を失った労働者の中には、分野固有の知識とスキルを使ってロボットの構築と保守を行うために再訓練を受けるのに適した立場にいる人もいます。

• R. Andrew Russell (1990). Robot Tactile Sensing. New York: Prentice Hall. ISBN 978-0-13-781592-0.
• McGaughey, Ewan (16 October 2019). "Will robots automate your job away? Full employment, basic income, and economic democracy". LawArXiv Papers. doi:10.31228/osf.io/udbj8. S2CID 243172487. SSRN 3044448.
• Autor, David H. (1 August 2015). "Why Are There Still So Many Jobs? The History and Future of Workplace Automation". Journal of Economic Perspectives. 29 (3): 3–30. doi:10.1257/jep.29.3.3. hdl:1721.1/109476.
• Tooze, Adam (6 June 2019). "Democracy and Its Discontents". The New York Review of Books. Vol. 66, no. 10.

• Robotics at Curlie
• IEEE Robotics and Automation Society
• Investigation of social robots – Robots that mimic human behaviors and gestures.
• Wired's guide to the '50 best robots ever', a mix of robots in fiction (Hal, R2D2, K9) to real robots (Roomba, Mobot, Aibo).